PEMBANGUNAN DATA SIG (DATA INPUT)

Slides:



Advertisements
Presentasi serupa
E.Kemiripan Benda yg bentuknya mirip dikelompokan.
Advertisements

METODE PENDUGAAN CADANGAN KARBON BAWAH PERMUKAAN
Penginderaan Jauh dan Sistem Informasi Geografi
UNSUR UNSUR INTERPRETASI CITRA
UNSUR UNSUR INTERPRETASI CITRA
Sistem Informasi Geografis (TPE4118/2/P) TEP
ANALISIS DATA SPASIAL.
Outline Materi Hubungan antara Comp. Vision, Grafika Komputer, Pengolahan Citra, dan Pengenalan Pola (Pattern Recognition) Domain Computer Vision Processing.
keyakinan, kepercayaan, ketelitian, kehidupan.
GIS : Hardware & Software
PENGINDERAAN JAUH Pengertian : 1. Lilesand and Keifer
Estetika Bentuk I Minggu ke 5
Model Sistem Pengenalan Pola
FUNGSI SIG TATAP MUKA V.
Fachrul Reza ( ) Julpan ( ) M. Nur Cipta Hidayah Lubis ( ) Oleh:
3/28/2010 Aplikasi SIG & Penginderaan Jauh  Penutupan lahan  Evaluasi lahan: -Land suitability : PENERAPAN MULTI CRITERIA DECISION MAKING (MCDM) DAN.
Faculty of Computer Science University of Indonesia Dr. Aniati Murni
Pengertian Citra Dijital
Sistem Informasi Geografis
PENGINDERAAN JAUH Pengertian : 1. Lilesand and Keifer
ADNAN YOLLANDA, Kajian Perubahan Penutup Lahan dengan Menggunakan Teknik Penginderaan Jauh Multi-Temporal di Daerah Aliran Sungai Bodri.
GALIH WASIS WICAKSONO TEKNIK INFORTIKA UMM
PENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL
Recognition & Interpretation
PRINSIP dan UNSUR DESAIN GRAFIS
Recognition & Interpretation
VISION.
VISUAL IMPACT ASSESSMENT PERENCANAAN TAPAK assalamu’alaikum wr. wb Johannes Parlindungan Siregar PERENCANAAN WILAYAH DAN KOTA UNIVERSITAS BRAWIJAYA.
“Mendeteksi Kebakaran Hutan Di Indonesia dari Format Data Raster”
GILANG BUDI YUDHISTIRA, Pemanfaatan Citra Satelit Landsat 7 ETM+ Untuk Identifikasi Kerusakan Hutan Di Kabupaten Brebes Tahun
KUALITAS DATA SPASIAL.
DIGITAL PUBLISHING – iii LOGO
Matakuliah : R0116/ Studio Perancangan Arsitektur 6 Tahun : 2006
Dasar-Dasar Analisis Spasial
PENGOLAHAN CITRA DIGITAL : PENGENALAN POLA TEMPLATE MATCHING
MODUL 3 PERBAIKAN KUALITAS CITRA
UNSUR UNSUR INTERPRETASI CITRA
--- anna’s file PENGINDERAAN JAUH --- anna’s file.
MODUL KULIAH 2 FORMASI CITRA
KONSEP PEMOTRETAN.
Sistem Informasi Geografis
Penginderaan Jauh dan Sistem Informasi Geografi
Query Spatial & Analisis GIS
Digital Image Fundamentals
Interpretasi Citra Satelit
Model Data Spasial.
Data Spasial.
Computer Vision Materi 7
PENGOLAHAN CITRA DIGITAL : PENGENALAN POLA TEMPLATE MATCHING
IKE DORI CANDRA C TEKNOLOGI KELAUTAN
ILUSTRASI Ilustrasi berasal dari bahasa latin ilustrare yang artinya penampakan, kemuliaan, cahaya, penerangan dan penggambaran secara hidup-hidup. Ilustrasi.
Analisis Tekstur.
Galat, continue Galat Absolut : adalah perbedaan antara nilai eksperimen dengan nilai yang sebenarnya. Contoh: Jika hasil pengukuran seorang analis untuk.
PENGINDERAAN JAUH (Remote Sensing) Powerpoint Templates.
Pengolahan Citra Digital
Teknik Pengambilan Data Spasial
PENINGKATAN KUALITAS CITRA (Image Enhancement)
Tugas Geografi Interpretasi citra SMA NEGERI 1 MANYAR
Teori tentang Desain Komunikasi Visual
Sistem Informasi Geografis
ANALISIS PERUBAHAN PENGGUNAAN LAHAN SELAMA 20 TAHUN DI WILAYAH PERBATASAN MAKASSAR – MAROS DENGAN Remote Sensing PROGRAM PASCASARJANA PENGELOLAAN LINGKUNGAN.
TRANSFORMASI DATA SPASIAL
ANALISIS DATA SPASIAL.
Pengolahan Citra Digital. Pembentukan Citra Citra dibagi menjadi 2 macam : 1.Citra kontinyu : adalah citra yang dihasilkan dari sistem optik yang menerima.
PENGOLAHAN CITRA DIGITAL : PENGENALAN POLA TEMPLATE MATCHING
PENGINDERAAN JAUH DR. EKO BUDIYANTO, M.Si..
Disiapkan oleh : I Ketut Sutarga PENGENALAN S I S T E M INFORMASI GEOGRAFIS (SIG) PENGENALAN S I S T E M INFORMASI GEOGRAFIS (SIG)
INTERPRESTASI CITRA HASIL PENGINDERAAN JAUH
DEDY MIRWANSYAH PENGENALAN SISTEM INFORMASI GEOGRAFIS.
Transcript presentasi:

PEMBANGUNAN DATA SIG (DATA INPUT) KLASIFIKASI DATA CITRA - Visual - Digital - Tidak terbimbing - Terbimbing

VISUAL Element Order 1 Tone : Variasi kedalaman warna obyek dari hitam ke putih yang dapat dibedakan Colour : Warna obyek

Elemen Order 2: Geometric Arrangement VISUAL Elemen Order 2: Geometric Arrangement Size – untuk menentukan obyek berdasarkan ukuran Sifatnya adalah relatif Shape – untuk membantu menentukan obyek berdasarkan bentuk man made – cenderung garis lurus natural – cenderung tidak beaturan

Elements Orde 2 Spatial Arrangement VISUAL Elements Orde 2 Spatial Arrangement Texture – frekuensi perubahan dan susunan dari tone Pengamatan visual kehalusan/kekasaran (smoothness or roughness) Misal Air : biasanya halus, Alang-alang : medium texture, and Hutan alam dataran rendah: kasar Selalu ada pengecualian Pattern - arrangement spasial dari objects Linear untuk jalan, sungai dll

Element order 3 Locational or Positional VISUAL Element order 3 Locational or Positional Site – bagaimana obyek berada pada suatau tempat aspect, topography, geology, soil, vegetation and cultural features Association – obyek biasanya berasosiasi engan obyek yang lain. Sangat membantu dalam interpretasi mand made obyek

Elements Order 3 Interpreted VISUAL Elements Order 3 Interpreted Height – menjelaskan detail dari obyek Tinggi pohon/bangunan Shadow – mungkin membantu/mengganggu interpretasi Identifikasi dapat ditingkatkan dengan informasi bayangan

Examples Dimana Mangrove ? Dimana Hutan dataran rendah ? Dimana Perkebunan ? Dimana Lahan terbuka ? Dimana Sungai ? Dimana Jalan ? Dimana Awan ? Dimana Bayangan awan ? Dimana Tamnak ? Dimana Semak belukar ?

ANALISIS DIGITAL Distribusi Nilai DN Pengelompokan Nilai DN Minimum Distance Parallelepiped Classification Stepped Parallelepiped Probability Density Functions Equiprobability Contours

REFLECTANCE CURVE

BAND 4 BAND 3

BAND 4 BAND 3

Minimum Distance To Means Classification Stategy

Parallelepiped Classification Strategy

Stepped Parallelepiped Strategy

Probability Density Functions Defined by Maximum Likelihood Classifier

Equiprobability Contours Defined by a Maximum Likelihood Classification

Klasifikasi Tidak Terbimbing Mengelompokan Nilai DN Berdasarakan Minimum Distance, tanpa campur tangan operator Tetap perlu pemahaman lapang untuk reklasifikasi

Klasifikasi Tidak Terbimbing

Klasifikasi Terbimbing Mengelompokan Nilai DN Berdasarakan Minimum Distance, dengan arahan operator Menentukan rule/aturan pengelompokan Menentukan training area Klasifikasi Pengelompokan Ulang Uji akurasi

Training Area

Klasifikasi Terbimbing